MétaCan
Menu
Retour à la cohorte
Enregistrement W3091489668 · doi:10.1002/cche.10357

Flour and bread making properties of whole and split yellow peas treated with dry and steam heat used as premilling treatment

2020· article· en· W3091489668 sur OpenAlexafffund
Elaine Sopiwnyk, Lindsay Bourré, Gina Young, Yulia Borsuk, Shelley Lagassé, Lindsey Boyd, Ashok Sarkar, Stuart Jones, Adam Dyck, Linda Malcolmson

Notice bibliographique

RevueCereal Chemistry · 2020
Typearticle
Langueen
DomaineNursing
ThématiqueFood composition and properties
Établissements canadiensCanadian International Grains Institute
Organismes subventionnairesSaskatchewan Pulse Growers
Mots-clésAftertasteAromaFood scienceChemistryFlavorBranStarchLimitingRaw materialOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Background and objectives Pulse flours can impart off‐flavors limiting their use in foods. The objective of this study was to examine the flour and bread making properties of whole and split yellow peas treated with dry and steam heat used as a premilling treatment. Findings Particle size distributions and pasting properties of flours milled from heat‐treated peas were altered, and starch damage was reduced compared to flours milled from untreated peas. Breads made with flour milled from heat‐treated peas had similar firmness to breads made with flour milled from untreated peas with no change in volume and minimal impact on crumb structure. Changes in crumb color (lower L *, higher a *) were consistent with color changes observed in the flours. Heat treating whole peas produced breads with decreased aroma, flavor, and aftertaste, whereas heat treating split peas produced breads with lower intensities of aroma, flavor, bitterness, and aftertaste and increased acceptability. Conclusions Revtech dry and steam heating of whole and split yellow peas as a premilling treatment successfully reduced off‐flavors with minimal changes to flour and bread making properties. Significance and novelty Heat treating pulses prior to milling offers greater opportunities for incorporating pulse flours in foods.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,585

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,028
Tête enseignante GPT0,225
Écart entre enseignants0,197 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCereal ChemistryMême sujetFood composition and propertiesTravaux en français237 207